22/ago/2009uvm - chapultepec1 licenciaturas ejecutivas - lsca introducciÓn a la inteligencia...

33
22/AGO/2009 UVM - CHAPULTEPEC 1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

Upload: zacarias-anaya

Post on 24-Jan-2016

219 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 1

LICENCIATURAS EJECUTIVAS - LSCA

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Profesor: Joel Pérez González

PLANTEL CHAPULTEPEC

Page 2: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 2

Representación del aprendizaje:

• 2.1 Aprendizaje

2.1.1 Aprendizaje repetitivo 2.1.2 Aprendizaje cognitivo

• 2.2 Redes semánticas

• 2.3 Método de descripción y pareamiento

• 2.4 Analogías

• 2.5 Reconocimiento de abstracciones

Representación del Aprendizaje

Page 3: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 3

Aprendizaje:

Simon (1983), define el aprendizaje como cambios en el sistema que se adaptan de manera que permiten llevar a cabo la misma tarea de un modo más eficiente y eficaz.

En la práctica, el aprendizaje se usa para resolver problemas y puede representar la diferencia entre la resolución rápida y la imposibilidad de resolverlo. La idea de poder aprender de la propia experiencia en la resolución de problemas nos lleva a esperar obtener mejores soluciones en un futuro.

El aprendizaje esta relacionado con el conocimiento. Puede definirse como el proceso mediante el cual un ente adquiere conocimiento. Este conocimiento puede ser suministrado por otro ente denominado profesor o puede adquirirse sin la ayuda del mismo.

Representación del Aprendizaje

Page 4: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 4

Aprendizaje:

Aprender: Cambio relativamente permanente en el comportamiento que refleja una adquisición de conocimientos y habilidades a través de la experiencia. Incluye el estudio, la instrucción, la observación y la practica. Los cambios en el comportamiento son objetivos por lo que se pueden medir.

Aprendiz: Sist. Abierto en interacción con su ambiente, de el obtiene conocimientos que integra en su esquema mental para usarlos después. En el proceso de aprendizaje transforma los datos y los reordena. El aprendizaje supone un cambio, algo que se añade o se quita.

Representación del Aprendizaje

Page 5: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 5

Aprendizaje:

Aprendizaje por observación: Bandura consideraba que podemos aprender por observación o imitación. Si todo el aprendizaje fuera resultado de recompensas y castigos nuestra capacidad seria muy limitada. El aprendizaje observacional sucede cuando el sujeto observa la conducta de un modelo, aunque se puede aprender una conducta sin llevarla a cabo.

Representación del Aprendizaje

Page 6: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 6

Aprendizaje:

Aprendizaje cognitivo : Aprendemos de la experiencia pero es el sujeto quien construye el conocimiento del mundo externo en función de su organización cognitiva interna, el sujeto interpreta la realidad y proyecta sobre ella los significados que va construyendo

Representación del Aprendizaje

Page 7: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 7

Aprendizaje:

Aprendizaje receptivo: el sujeto solo necesita comprender el contenido para poder reproducirlos, pero no descubre nada.

Aprendizaje por descubrimiento: el sujeto no recibe los contenidos de forma pasiva, descubre los conceptos y sus relaciones y los reordena para adaptarlos a su esquema cognitivo

Aprendizaje repetitivo: se produce cuando el individuo memoriza contenidos sin comprenderlos o relacionarlos con sus conocimientos previos, no encuentra significado a los contenidos.

Aprendizaje significativo: es el aprendizaje en el que el sujeto reorganiza su conocimiento del mundo y transfiere ese conocimiento a nuevas realidades.

Representación del Aprendizaje

Page 8: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 8

Aprendizaje:

Hay distintas formas de aprendizaje, entre las cuales están:   Aprendizaje memorístico Aprendizaje a través de consejos Aprendizaje mediante experiencia en la resolución de problemas Aprendizaje a partir de ejemplos o Inducción Aprendizaje basado en explicaciones Descubrimiento Analogía Redes Neuronales

Representación del Aprendizaje

Page 9: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 9

Una red semántica o esquema de representación en Red es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo.

En caso de que no existan ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales.

En un grafo o red semántica los elementos semánticos se representan por nodos.

Dos elementos semánticos entre los que se admite se da la relación semántica que representa la red, estarán unidos mediante una línea, flecha o enlace o arista.

Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas en lugar de líneas.

Representación del Aprendizaje

Page 10: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 10

Representación del Aprendizaje

Page 11: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 11

Tenemos dos objetos, Piolín y Pedro. Intuitivamente podemos inferir que Piolín es un ave dado que canario es una subclase de ave y Piolín es un canario, podemos inferir también que Piolín tiene alas.

No hay un significado preciso para una red semántica cualquiera, este dependerá de la aplicación y debe ser especificado por el diseñador de la red.

Representación del Aprendizaje

Page 12: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 12

Una red semántica representa conocimiento mediante un grafo

nodos: conceptos arcos etiquetados: relaciones entre conceptos

Por red semántica actualmente se entiende toda una familia de representaciones basadas en grafos que difieren entre sí en los nombres que se permiten para nodos y arcos, y en las inferencias que pueden hacerse

Representación del Aprendizaje

Page 13: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 13

Los elementos básicos que encontramos en todos los esquemas de redes son: Estructuras de datos en nodos, que representan conceptos,

unidas por arcos que representan las relaciones entre los conceptos.

Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos.

Básicamente, podemos distinguir tres categorías de redes semánticas: Redes IS-A, en las que los enlaces entre nodos están

etiquetados. Grafos conceptuales: en los que existen dos tipos de nodos:

de conceptos y de relaciones Redes de marcos: en los que los puntos de unión de los

enlaces son parte de la etiqueta del nodo.

Representación del Aprendizaje

Page 14: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 14

Redes semánticas

GRAFOS ORIENTADOS

Nodos: objetos o conceptos o propiedades (atributos) Arcos: relaciones binarias (es_un, parte_de, tiene, etc.) Herencia de propiedades como mecanismo inferencial

básico.

Representación del Aprendizaje

Page 15: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 15

Redes Semánticas:

Son estructuras utilizadas para la representación de conocimiento en Inteligencia Artificial.

Son especialmente útiles para representar conocimiento de taxonomías. Una red semántica es un grafo dirigido en el cual los nodos corresponden a:

Constantes de relación tales como clases (como en los lenguaje orientado a objetos) y propiedades.

Instancias: objetos de alguna clase. Las aristas en una red semántica están también etiquetadas y

representan relaciones entre clases, propiedades e instancias.

Representación del Aprendizaje

Page 16: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 16

Representación del Aprendizaje

Page 17: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 17

instancia(piolin,canario). instancia(pedro,halcon). instancia(juan,halcon). instancia(juancho,cocodrilo). instancia(marcela,pinguino). subclase(ave,oviparo). subclase(reptil,oviparo). subclase(canario,ave). subclase(halcon,ave). subclase(ave,animal). subclase(reptil,animal). subclase(cocodrilo,reptil). subclase(pinguino,ave). tiene_p(canario,come,semillas). tiene_p(ave,tiene,alas). tiene_p(ave,tiene,plumas). tiene_p(halcon,tiene,deseos). tiene_p(ave,puede,volar). tiene_p(reptil,tiene,escamas).

Representación del Aprendizaje

Page 18: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 18

Dada una red semántica, uno desea ser capaz de realizar consultas relativas a la red, por ejemplo ¿es Juan un ave? En

nuestro caso la respuesta debería ser SI.

O bien, en forma más general, querremos responder preguntas como ¿a qué clases pertenece Juancho ?

es(Clase,Obj):- instancia(Obj,Clase). es(Clase,Obj):- instancia(Obj,Clasep), subc(Clasep,Clase). subc(C1,C2):- subclase(C1,C2). subc(C1,C2):- subclase(C1,C3), subc(C3,C2).

Representación del Aprendizaje

Page 19: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 19

La siguiente regla nos permite consultar por las clases a las que pertenece un objeto:

es(Clase,Obj):- instancia(Obj,Clase). es(Clase,Obj):- instancia(Obj,Clasep), subc(Clasep,Clase). subc(C1,C2):- subclase(C1,C2). subc(C1,C2):- subclase(C1,C3), subc(C3,C2).

El predicado es(Clase,X) se satisface cuando X pertenece a la clase Clase. Para responder esta pregunta estamos suponiendo que un objeto es una instancia de una clase C si es una instancia de C o de cualquier subclase de C.

La relación subc nos entrega todos los pares de subclases generadas por transitividad (si C1 es subclase de C2 y C2 es subclase de C3, entonces C1 es subclase de C3).

Representación del Aprendizaje

Page 20: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 20

Con las reglas anteriores y la red del ejemplo, obtenemos::

?- es(reptil, juancho). Yes ?- es(canario, marcela). No ?- es(X,juan). X = halcon; X = ave ; X = oviparo ; X = animal ; No

?- es(animal,X). X = piolin ; X = pedro ; X = juan ; X = juancho ; X = marcela; No

Representación del Aprendizaje

Page 21: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 21

Redes Semánticas  

En la red semántica no esta contenida la información sobre el procesamiento de la red. Las reglas de inferencia deben estar expresadas de forma explícita.

Una red semántica ofrece una buena visión general sobre las relaciones y dependencias de un área de conocimiento y es muy apropiada para la estructuración y verificación del conocimiento por el experto. Los enunciados de las relaciones deben ser expresados fuera de la red. Estas relaciones pueden ser uní o bidireccionales.

Una red semántica consiste de un conjunto de nodos los cuales representan objetos, conceptos o situaciones y enlaces que representan las relaciones existentes entre los nodos.

Representación del Aprendizaje

Page 22: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 22

Redes Semánticas  

A las redes semánticas también se le denomina redes asociativas, debido principalmente al carácter asociativo de los enlaces.

   Propiedades de las Redes Semánticas    Las redes Semánticas posen la propiedad de la Herencia; en la que

unos nodos heredaron las propiedades o atributos de Nodos de una clase mayo.

  Nota. A través de la característica de la herencia, las Redes

Semánticas tienen la capacidad de inferir conocimiento.

Representación del Aprendizaje

Page 23: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 23

En general, una representación es un conjunto de convenciones sobre la forma de describir algún tipo de cosa. El hallar una representación apropiada es una parte fundamental de la resolución de un problema.

El principio de la representación establece que:

Una vez que un problema es descrito mediante una buena representación, el problema está casi resuelto.

Representación del Aprendizaje

Page 24: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 24

La descripción explícita de una buena representación está caracterizada por los siguientes aspectos importantes:

Hace explícitos los objetos y las relaciones de importancia: de una sola mirada se puede apreciar lo que sucede.

Pone de manifiesto las restricciones inherentes al problema. Agrupa los objetos y las relaciones. Suprime los detalles insignificantes. Es transparente: se puede entender lo que representa. Es completa: contiene todo lo que es necesario que debe expresar. Es concisa: expresa todo lo necesario con eficacia.

Representación del Aprendizaje

Page 25: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 25

Las representaciones tienen cuatro ingredientes fundamentales:

El léxico, que determina los símbolos que están permitidos en el vocabulario de la representación.

Una parte estructural que describe las restricciones sobre la forma en que los símbolos pueden ordenarse.

Una parte operativa que especifica los procedimientos de acceso que permiten crear descripciones; así como la forma de modificarlas y utilizarlas para responder preguntas.

Una parte semántica que establece una forma de asociar el significado con las descripciones.

Representación del Aprendizaje

Page 26: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 26

Para ilustrar el problema de la representación, considérese el siguiente ejemplo:

Un granjero desea cruzar un río llevando consigo un lobo silvestre, una oveja y una carga de col. Por desgracia su bote es tan pequeño que sólo puede transportar una de sus pertenencias en cada viaje. Peor aún, si no vigila al lobo, puede comerse a la oveja y si no cuida la col, puede comerse la oveja; de modo que no puede dejar al lobo solo con la oveja, ni a la oveja sola con la col. ¿ Cómo puede hacer para cruzar el río sin contratiempos?

Representación del Aprendizaje

Page 27: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 27

Redes Semánticas

Representación del Aprendizaje

Page 28: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 28

La representación utilizada en el problema del granjero, es un ejemplo de red semántica. Desde el punto de vista del léxico, las redes semánticas están formadas por nodos, que representan objetos; enlaces, que representan relaciones entre objetos; y, etiquetas de enlace, que denotan relaciones particulares.

Desde el punto de vista estructural, los nodos están conectados entre sí por enlaces etiquetados. En los diagramas, los nodos aparecen como círculos, elipses o rectángulos; y, los enlaces como flechas que apuntan de un nodo a otro.

Desde la perspectiva de la semántica, el significado de los nodos y sus enlaces, depende de la aplicación.

Desde la perspectiva operativa, los procedimientos de acceso son, en general, cualquiera de los siguientes: constructores, destructores, lectores y escritores. Las redes semánticas usan constructores para formar nodos y enlaces; lectores para responder preguntas acerca de estos; escritores, para modificar nodos y enlaces; y, ocasionalmente, destructores, para borrar nodos y enlaces.

Representación del Aprendizaje

Page 29: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 29

Las especificaciones dadas por una red semántica, son los suficientemente explícitas, como para ser utilizadas en representaciones de problemas de IA.

Existen diversos grupos de familias de representaciones, que se derivan de las redes semánticas: árboles semánticos, árboles de búsqueda, árboles de juegos, árboles de decisión, sistema de plantillas, red de propagación de valores, red de restricción aritmética, red de contracción, red de intervalos, espacio de estados, etc.

Una representación basada en una red semántica, en determinados problemas, puede generar árboles o grafos. El árbol es un tipo de red semántica que no contiene lazos, en cambio un grafo es una estructura en la que pueden haber varios de ellos.

Desde el punto de vista de los procesos de búsqueda, los árboles son preferibles a los grafos, ya que no hay que preocuparse por la posibilidad de quedar atrapados en algún lazo.

Representación del Aprendizaje

Page 30: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 30

Representación del Aprendizaje

Page 31: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 31

Representación del Aprendizaje

Dibujar árbol de búsqueda resultante al aplicar las búsquedas en profundidad y en anchura.

Dibujar árbol de búsqueda resultante al aplicar las búsquedas en profundidad y en anchura.

Page 32: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 32

Representación del Aprendizaje

Page 33: 22/AGO/2009UVM - CHAPULTEPEC1 LICENCIATURAS EJECUTIVAS - LSCA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Profesor: Joel Pérez González PLANTEL CHAPULTEPEC

22/AGO/2009 UVM - CHAPULTEPEC 33

Representación del Aprendizaje